关于康熙部首导致的字典查询异常

这篇文章的起因是一个报错，我们来看看：

a = {"⽐赛阶段": "16强"}
print(a["比赛阶段"])

运行结果：

为什么查询不出来呢？难道两个比赛阶段不一样？我们进一步测试一下：

print("⽐赛阶段" == "比赛阶段")

运行结果是：False

难道说是其中一个包含了不可见的零宽字符？我们来看看两个字符串的长度：

print(len("⽐赛阶段") == len("比赛阶段"))

运行答案是 True

可以看到，这两个字符串都是4个汉字，说明没有零宽字符。那么为什么他们不一样呢？那我们看一下每个文字的 Unicode 码：

import json

print(json.dumps("⽐赛阶段"))
print(json.dumps("比赛阶段"))

运行：

后面的三个字赛阶段是一样的，但是两个比的 Unicode 码竟然不一样？

我们分别把\u2f50和\u6bd4重新转成汉字看看：

print(chr(int("2f50", 16)))
print(chr(int("6bd4", 16)))

原来电脑里面真的有两个比？这两个比有什么区别呢？我们到https://unicodemap.org/ 上面查询看看：
https://unicodemap.org/details/0x6bd4/index.html
https://unicodemap.org/details/0x2f50/index.html

2f50对应的⽐实际上是康熙部首[1]。真正比较的比对应的 Unicode 码为6bd4。

查询可得：

基本汉字，unicode编码范围:4E00-9FA5
康熙部首，unicode编码范围:2F00-2FD5
扩展部首，unicode编码范围:2E80-2EF3

unicode中文字符集中存在两个极为相似的汉字但编码不同的情况，主要是因为康熙部首和扩展部首中存在和基本汉字相似的汉字，如 ：

“⼀” 和 “一”,
“⼄” 和 “乙”,
“⼆” 和 “二”,

常见的康熙字典对照：
https://github.com/furuiyang0715/spider_notes/blob/master/codes/kangxi.json